一种考虑坡道路况的变权重系数跟车巡航控制方法

1.本发明属于车辆控制技术领域，具体涉及一种考虑坡道路况的变权重系数跟车巡航控制方法。


背景技术：

2.随着车辆智能化的快速发展，综合考虑安全性、燃油经济性以及乘坐舒适性等多个目标性能的生态驾驶已成为自适应巡航控制(adaptive cruise control，acc)的发展新趋势。传统的acc系统在高速公路等简单道路的跟车工况下表现优异，能够满足车辆纵向控制的需求；但对坡道跟车等较为复杂的工况，其实际控制性能仍有较大的提升空间。
3.总体而言，道路坡度对车辆燃油经济性和跟车安全性的影响最为明显。在上坡路段，车辆的油耗水平明显增加；有学者通过合理规划车速避免车辆通过坡道时产生的急加速与急减速现象，可以在一定程度上提升车辆燃油经济性。在下坡路段，安全性能的提升是跟车巡航控制的首要目标；有学者提出对车辆纵向加速度进行再次分配，以保证坡道跟车的安全距离。此外，也有学者提出利用高端车载传感器、全球定位系统(global positioning system，gps)以及高清地图等附加设备，对车辆运动状态和道路环境信息进行实时采集和高效匹配，以进一步提升跟车巡航控制的效果。但是，多目标控制的性能之间常存在冲突，燃油经济性的提升常常需要牺牲一部分的跟车安全性，尤其是当车辆处于有坡道的复杂路况时，如何在匹配车辆运动状态和具体路况信息的条件下，动态调整跟车巡航控制系统以实现车辆燃油经济性、跟车安全性和乘坐舒适性之间的实时优化，是目前值得深入研究的问题。


技术实现要素：

4.针对现有技术中存在不足，本发明提供了一种考虑坡道路况的变权重系数跟车巡航控制方法，在模型预测控制(model predictive control，mpc)的框架下，根据不同坡道路况辨别车辆当前的跟车工况，以加权的形式对跟车巡航控制策略的多个优化目标进行整合，同时根据车辆运动状态提出权重系数的变化及调整规则，来协调车辆燃油经济性、跟车安全性和乘坐舒适性之间的关系，提升车辆在坡道跟车工况下的多目标巡航控制性能。
5.本发明是通过以下技术手段实现上述技术目的的。
6.一种考虑坡道路况的变权重系数跟车巡航控制方法：
7.构建动态跟车模型；
8.根据主车和前车的道路坡度信息，辨别车辆当前的跟车工况；
9.根据所述动态跟车模型，综合考虑车辆的燃油经济性、跟车安全性和乘坐舒适性，设计跟车巡航控制系统的代价函数和约束条件；
10.由车辆当前的跟车工况，动态调整所述代价函数中不同控制目标的权重系数，优化车辆在坡道跟车工况下的多目标巡航控制性能；
11.所述代价函数为：
[0012][0013]
其中，p为跟车巡航控制系统的预测时域，c为跟车巡航控制系统的控制时域，y
p
(t i|t)为跟车巡航控制系统在t时刻预测出第i步的输出值，yr(t i|t)为跟车巡航控制系统在t时刻第i步的期望达到的输出值，q为跟车巡航控制系统输出的正定权重系数矩阵，u(t i)为跟车巡航控制系统在t时刻预测的第i步的预测控制量，r为跟车巡航控制系统控制量的正定权重系数矩阵，ε为各参数松弛因子矩阵，ρ为惩罚系数矩阵，ω1、ω2和ω3分别为跟车安全性权重系数、燃油经济性权重系数和乘坐舒适性权重系数，ω
△d为车间距离权重系数，ω
△v为车辆相对速度权重系数，ωu为主车的期望纵向加速度权重系数，ω
△u为主车的期望纵向加速度增量权重系数，为主车的实际纵向加速度的惩罚系数，为主车的实际纵向加速度变化率的惩罚系数，ρu为主车的期望纵向加速度的惩罚系数，ρ
△v为主车与前车的纵向相对车速误差的惩罚系数，ρ
△d为车辆纵向跟踪误差的惩罚系数。
[0014]
进一步地，跟车安全性的约束条件为：其中的d
safe
表示最小的安全车距，ttc为允许的最小碰撞时间，d
smin
为d
safe
的下边界，δv为主车与前车的纵向相对车速误差。
[0015]
更进一步地，车辆纵向跟踪误差δd、主车与前车的纵向相对车速误差δv的约束条件为：
[0016][0017]
其中，δd
max
、δd
min
、δv
max
、δv
min
分别为δd与δv的上、下边界，ε
△d为车辆纵向跟踪误差的松弛因子，ε
△v为主车与前车的纵向相对车速误差的松弛因子，η
△
vmax
和η
△
dmax
为对应松弛因子系数的上界，η
△
dmin
和η
△
vmin
为对应松弛因子系数的下边界。
[0018]
进一步地，燃油经济性、跟车安全性的约束条件为：
[0019][0020]
其中，a
hmin
、a
hmax
对应主车加速度的最小值与最大值，对应主车加速度变化率的最小值与最大值，u
min
、u
max
对应主车期望加速度的最小值与最大值，为主车的实际纵向加速度的松弛因子，为主车的实际纵向加速度变化率的松弛因子，εu为主车的期望纵向加速度的松弛因子，和η
umax
为对应松弛因子的上边界，
和η
umin
为对应松弛因子的下边界。
[0021]
进一步地，所述跟车工况包括准备上坡工况、上坡工况、直行工况、准备下坡工况和下坡工况；准备上坡工况下，且直行工况下，且准备下坡工况下，且上坡工况下，下坡工况下其中：i0为设定的工况切换道路坡度阈值，为主车所处道路坡度，为前车所处道路坡度。
[0022]
更进一步地，不同跟车工况下，ω1、ω2和ω3的调整规则为：
[0023]
上坡工况、直行工况和下坡工况下，ω1、ω2和ω3均恒定不变；
[0024]
准备上坡工况下，ω1减小、ω2增大、ω3增大；
[0025]
准备上坡工况下，ω1增大、ω2减小、ω3增大。
[0026]
更进一步地，根据车辆纵向跟踪误差δd、主车与前车的纵向相对车速误差δv，确定跟车过程中三种车辆运动状态，并确定ω
△d、ω
△v、ωu和ω
△u的调整规则如下：
[0027]
δd(t)《0、δv(t)《0时，ω
δd
增大，ω
△v增大，ωu减小，ω
△u恒定不变；
[0028]
δd(t)》0、δv(t)《0时，ω
δd
减小，ω
△v增大，ωu增大，ω
△u恒定不变；
[0029]
δd(t)《0、δv(t)》0时，ω
δd
增大，ω
△v减小，ωu增大，ω
△u恒定不变。
[0030]
更进一步地，ω
△d、ω
△v、ωu和ω
△u利用前一个采样时间步长的车辆纵向跟踪误差δd(t-1)和相对车速误差δv(t-1)进行计算：
[0031][0032][0033][0034]
ω
△u(t)＝ω
△u(0)
[0035]
其中，ω
δd
(0)是车间距离权重系数的初始权重，ω
δv
(0)是车辆相对车速权重系数的初始权重，ωu(0)是主车的期望纵向加速度权重系数的初始权重，ω
δu
(0)是主车的期望纵向加速度增量权重系数的初始权重，函数f()满足函数g()满足g(t-1)＝{1-f[δd(t-1)]}ω
δd
(0) {1-f[δ(t-1)]}ω
δw
(0) {1-f[δd(t-1)]f[δv(t-1)]}ωn(0)。
[0036]
进一步地，所述动态跟车模型中的主车与前车的实际间距d＝δd d
des
，δd为车辆纵向跟踪误差，d
des
为理车间距，且d
des
＝thvh d0，d0为最小安全间距，可变车头时距th＝t
1-ω
δv
δv，t1为固定车头时距，δv为主车与前车的纵向相对车速误差。
[0037]
更进一步地，所述动态跟车模型为其中的状态量x(t)＝[δd δv v
h ah]
t
，控制量u(t)＝[a
des δa
des
]
t
，系统扰动ω(t)＝a
p
，输出量y(t)＝[δd δv ah]
t
，a、b、c1、c为系数矩阵，vh为主的实际纵向车速，ah为主车的实际纵向加速度，ades
为期望的纵向加速度，δa
des
为主车的期望纵向加速度增量，a
p
为前车的实际纵向加速度。
[0038]
本发明的有益效果为：
[0039]
(1)本发明采用可变车头时距构建动态跟车模型，考虑前车速度的变化，通过实时调整理想车间距来提高车辆对复杂路况的适应性；
[0040]
(2)本发明在确定变权重系数跟车巡航控制系统的代价函数和约束条件时，添加松弛因子，提高跟车巡航控制系控制量的求解范围；
[0041]
(3)本发明提出一种考虑坡道路况的跟车工况辨别方法，针对不同坡道路况建立控制系统中代价函数的权重系数变化规则，并及时调整控制策略，将当前时刻的跟车工况与车辆运动状态和道路环境信息相匹配，进一步协调车辆燃油经济性、跟车安全性和乘坐舒适性之间的关系。
附图说明
[0042]
图1为本发明所述考虑坡道路况的变权重系数跟车巡航控制方法流程图；
[0043]
图2为本发明所述考虑坡道路况的变权重系数跟车巡航整体控制策略框图；
[0044]
图3为本发明所述动态跟车场景图。
具体实施方式
[0045]
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
[0046]
如图1所示，本发明一种考虑坡道路况的变权重系数跟车巡航控制方法，具体包括如下步骤：
[0047]
步骤(1)，构建动态跟车模型
[0048]
跟车巡航控制的研究对象为主车和前车，典型的坡道跟车场景如图3所示，其中的vh和v
p
分别为主车、前车的实际纵向车速。
[0049]
动态跟车模型中的主车与前车的实际间距d为车辆纵向跟踪误差δd与理想车间距d
des
之和，即d＝δd d
des
；且理想车间距为：
[0050]ddes
＝thvh d0ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0051]
其中，d0为最小安全间距，可变车头时距th＝t
1-ω
δv
δv，ω
△v为车辆相对速度权重系数，δv为主车与前车的纵向相对车速误差，t1为固定车头时距。
[0052]
考虑到车头时距不能为负数，且过大或过小也会造成控制性能下降，对可变车头时距大小进行如下限制：
[0053][0054]
其中，t
hmax
和t
hmin
是th的上限与下限。
[0055]
典型的坡道跟车场景中道路坡度角α与道路坡度i转换关系为：
[0056]
i＝tanα
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0057]
主车的实际纵向加速度ah和期望的纵向加速度a
des
之间常存在延迟，可表示为如下的一阶惯性环节：
[0058][0059]
其中，td为系统延迟时间，ka为环节增益。
[0060]
由车辆间动力学关系可知，主车与前车存在如下的关系：
[0061][0062]
对上式进一步求导，可得：
[0063][0064]
其中，a
p
为前车的实际纵向加速度。
[0065]
联立式(4)、式(5)和式(6)，可得车辆的动态跟车模型：
[0066][0067]
其中，状态量x(t)＝[δd δv v
h ah]
t
，控制量u(t)＝[a
des δa
des
]
t
，δa
des
为主车的期望纵向加速度增量，将前车的实际纵向加速度作为系统扰动，即ω(t)＝a
p
，输出量y(t)＝[δd δv ah]
t
，a、b、c1、c为系数矩阵，具体表示为：
[0068][0069]
步骤(2)，设计考虑坡道路况的跟车工况辨别方法
[0070]
首先，利用高精度地图和gps(安装在主车上)获取主车和前车的道路坡度信息(获取过程为现有技术)，进而辨别车辆当前的跟车工况，具体可以分为准备上坡工况、上坡工况、直行工况、准备下坡工况和下坡工况具体的跟车工况判断规则如表1所示，其中，i0为设定的工况切换道路坡度阈值，为主车所处道路坡度，为前车所处道路坡度。
[0071]
表1跟车工况判断规则
[0072][0073]
步骤(3)，根据步骤(1)中动态跟车模型对应的状态空间方程建立跟车巡航控制系统的预测模型，用于设计跟车巡航控制系统的代价函数。
[0074]
由步骤(1)建立的动态跟车模型，可推导出该模型离散状态空间方程(推导的过程为现有技术)，跟车巡航控制系统的预测时域为p，跟车巡航控制系统的控制时域为c，其中p≥c，假设跟车巡航控制系统的预测状态向量x
p
与预测输出向量y
p
为：
[0075][0076]
其中，x
p
(t p|t)为跟车巡航控制系统在t时刻预测出第p步的状态量值，y
p
(t p|t)为跟车巡航控制系统在t时刻预测出第p步的输出值。
[0077]
跟车巡航控制系统的控制量矩阵u和跟车巡航控制系统的干扰量矩阵w为：
[0078][0079]
其中，u(t c-1)为跟车巡航控制系统在t时刻预测的第c步的预测控制量，ω(t p-1|t)表示p时刻的预测干扰量。
[0080]
联立式(7)、(8)和(9)，可以得到跟车巡航控制系统的预测模型：
[0081][0082]
其中，各个系数矩阵如下：
[0083][0084][0085]
步骤(4)，设计变权重系数的mpc策略，通过权重系数的动态调整实现多目标控制性能的优化。
[0086]
综合考虑车辆的燃油经济性、跟车安全性和乘坐舒适性，跟车巡航控制系统的代
价函数初步设计为：
[0087]
j＝ω1j1 ω2j2 ω3j3ꢀꢀꢀꢀꢀꢀꢀ
(11)
[0088]
其中，ω1、ω2和ω3分别为跟车安全性权重系数、燃油经济性权重系数和乘坐舒适性权重系数，且ω1 ω2 ω3＝1；跟车安全性目标函数j1＝ω
△d△
d2 ω
△v△
v2，ω
△d为车间距离权重系数；燃油经济性目标函数j2＝ωuu2 ω
△u△
u2，ωu、ω
△u为分别为输入控制量和输入控制增量权重系数；乘坐舒适性目标函数j3＝a
ref-ah，a
ref
为车辆参考加速度。
[0089]
对于坡道路况下的跟车巡航控制，本发明在mpc框架下，提出一种变权重系数的多目标优化控制策略；根据建立的动态跟车模型，进行代价函数和约束条件的设计。
[0090]
在跟车巡航控制过程中，需要对跟车安全性、燃油经济性和乘坐舒适性等性能指标进行一定的约束，使得车辆实际运行过程中能够满足要求。通常，可以根据具体需求设置硬约束或软约束条件。添加松弛因子可以使各个硬约束的范围变化，即使各个变量处于软约束状态。此时，可以增加跟车巡航控制系统控制量的求解范围，避免出现无解的情况。此外，为避免松弛因子的无限增加，需要在优化目标函数中增加惩罚项。
[0091]
车辆行驶过程中为有效跟踪前车以免发生追尾事故，需要将主车与前车实际间距设为硬约束，充分保证车辆的跟车安全性，主车与前车的实际间距d的约束为：
[0092][0093]
其中，d
safe
表示最小的安全车距，ttc为允许的最小碰撞时间，d
smin
为d
safe
的下边界。
[0094]
由于车辆在行驶过程会受到道路工况以及车辆自身性能等的影响，车辆的行驶车速会保持在一定的范围中，将纵向跟踪误差设置为软约束，其约束为：
[0095][0096]
其中，δd
max
、δd
min
、δv
max
、δv
min
分别为δd与δv的上、下边界，ε
△d为车辆纵向跟踪误差的松弛因子，ε
△v为主车与前车的纵向相对车速误差的松弛因子，η
△
vmax
和η
△
dmax
为对应松弛因子系数的上界，η
△
dmin
和η
△
vmin
为对应松弛因子系数的下边界。
[0097]
典型跟车场景中，跟车巡航控制系统能快速地响应前车的速度变化以完成车辆跟踪控制，这会导致燃油经济性降低。mpc策略的设计中应该尽量减少车辆加减速行驶，这不仅能提高主车的燃油经济性，也在一定程度上优化乘坐舒适性。在车辆燃油经济性和乘坐舒适性方面的约束适度放宽并不会对车辆行驶产生较大影响，所以对车辆实际加速度、加速度变化率和期望加速度采用软约束，其约束为：
[0098][0099]
其中，a
hmin
、a
hmax
对应主车加速度的最小值与最大值，对应主车加速度变化率的最小值与最大值，u
min
、u
max
对应主车期望加速度的最小值与最大值，为主车的实际纵向加速度的松弛因子，为主车的实际纵向加速度变化率的松弛因子，εu为主车的
期望纵向加速度的松弛因子，和η
umax
为对应松弛因子系数的上边界，和η
umin
为对应松弛因子系数的下边界。
[0100]
针对跟车巡航控制系统多目标性能优化，考虑约束条件所确定代价函数为：
[0101][0102]
其中，q为跟车巡航控制系统输出的正定权重系数矩阵，r为跟车巡航控制系统控制量的正定权重系数矩阵，yr(t i|t)为跟车巡航控制系统在t时刻第i步的期望达到的输出值，ε为各参数松弛因子矩阵，ρ为惩罚系数矩阵，为主车的实际纵向加速度的惩罚系数，为主车的实际纵向加速度变化率的惩罚系数，ρu为主车的期望纵向加速度的惩罚系数，ρ
△v为主车与前车的纵向相对车速误差的惩罚系数，ρ
△d为车辆纵向跟踪误差的惩罚系数。
[0103]
步骤(5)，权重系数的动态调整
[0104]
对于坡道路况，若只对控制变量加载恒定的权重，跟车巡航控制系统的控制性能会显著降低。可以根据不同的车辆间运动状态和道路环境信息，构建权重系数动态调整规则，对相关权重系数进行及时修正，将控制策略与车辆运动状态、道路环境信息匹配，实现多目标控制性能优化。
[0105]
针对上坡工况，燃油经济性是优化的首要目标，应在提高燃油经济性在目标函数中权重占比的基础上，再针对车辆跟车安全性和乘坐舒适性权重系数进行优化分配。针对下坡工况，其前提是保证车辆的安全性，应在提高跟车安全性在目标函数中权重系数占比基础上，再针对燃油经济性和乘坐舒适性权重系数进行优化分配。不同跟车工况下，ω1、ω2和ω3的调整规则如表2所示。
[0106]
表2不同跟车工况下，ω1、ω2和ω3的调整规则
[0107][0108]
在不同跟车工况下，ω1、ω2、ω3的取值，根据道路坡度角α结合经验得到。
[0109]
根据车辆纵向跟踪误差和相对纵向车速误差大小，确定跟车过程中三种车辆运动状态(δd(t)《0、δv(t)《0，δd(t)》0、δv(t)《0，δd(t)《0、δv(t)》0)，车辆间运动变量权
重系数的调整规则如表3所示。
[0110]
表3不同车辆运动状态下，ω
δd
、ω
δv
、ωu和ω
δu
调整规则
[0111][0112]
根据上述三种车辆运动状态，利用前一个采样时间步长的车辆纵向跟踪误差δd(t-1)和相对车速误差δv(t-1)计算出当前的实时最优权重系数，如式(16)所示：
[0113][0114]
其中，函数f()和g()分别满足g(t-1)＝{1-f[δd(t-1)]}ω
δd
(0) {1-f[δv(t-1)]}ω
δw
(0) {1-f[δd(t-1)]f[δv(t-1)]}ωn(0)，ω
δd
(0)、ω
δv
(0)、ωu(0)和ω
δu
(0)分别是车间距离、车辆相对车速、主车的期望纵向加速度、主车的期望纵向加速度增量权重系数的初始权重，其大小根据具体驾驶条件判定；保持ω
δu
(t)不变、可以在动态调整ω
δd
(t)、ω
δv
(t)和ωu(t)时提高跟车巡航控制系统的稳定性。
[0115]
根据车辆运动状态和道路环境，跟车巡航控制系统确定当前的跟车工况并及时快速地调整代价函数中不同控制目标的权重系数，将当前权重按照定义的变化规则调整为期望权重，实现坡道路况下跟车巡航控制的多目标优化。
[0116]
所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。